摘要: 绿色物流领域新兴的电动汽车车辆路径问题,由于需要对车辆路径和充电决策同时优化,搜索空间急剧增大,且需要同时满足容量和电量双重约束,现有方法难以快速找到质量较优的可行解。为此,提出一种基于双种群的协同进化算法,通过忽略电量约束构造简单带容量约束的车辆路径问题,辅助原始复杂问题的快速求解。为实现其间信息交互,设计一种基于改进距离邻接矩阵的解序列特征表示方法,旨在同时获取客户访问顺序和车辆指派信息;利用降噪自编码器构建2个问题解之间转换关系,以实现问题域间知识迁移。将该算法与目前常用的3种启发式算法和2种进化算法在不同规模测试集上进行对比,试验结果表明所提算法具有更快收敛速度且所获解集具有更好收敛性。
- 关键词:
- 绿色物流 /
- 电动汽车车辆路径问题 /
- 电量约束 /
- 双种群 /
- 进化算法 /
- 距离邻接矩阵 /
- 降噪自编码器 /
- 知识迁移
近年来,电动汽车车辆路径问题(electric vehicle route problem, EVRP)作为绿色物流领域新兴的一种复杂组合优化问题,受到众多研究人员的广泛关注[1-4]。不同于传统基于燃油汽车的带容量约束车辆路径问题(capacitated vehicle route problem, CVRP),EVRP除了需要考虑车辆容量约束外,还需要额外考虑电量约束,导致在优化客户访问顺序的同时还需要优化充电调度方案,属于NP-hard问题。目前求解该问题的方法主要分为两大类[4]:精确算法和启发式算法。精确算法